論文の概要: Multimodal Embeddings for 3D Similarity Search in Semantic Web-of-Things Digital-Twin Platforms

• arxiv url: http://arxiv.org/abs/2608.01852v1
• Date: Mon, 03 Aug 2026 07:59:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.392277
• Title: Multimodal Embeddings for 3D Similarity Search in Semantic Web-of-Things Digital-Twin Platforms
• Title（参考訳）: セマンティックWeb-of-Thingsデジタルツインプラットフォームにおける3次元類似検索のためのマルチモーダル埋め込み
• Abstract要約: SWoTプラットフォームをマルチモーダル埋め込み層で拡張するフレームワークを提案する。 オントロジー型エンティティは、知識グラフと共に格納された潜在ベクトル表現に符号化される。 グラフフィルタリングは時間的および関係的な制約下での探索プールを効果的に制限することを示す。
• 参考スコア（独自算出の注目度）: 1.737137542778438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic Web of Things (SWoT) platforms model physical infrastructure as knowledge graphs typed against domain ontologies, enabling expressive structural and logical queries. However, they lack native mechanisms to express similarity beyond strict ontological equivalence, which represents a critical gap for 3D digital twins in domains such as telecom infrastructure and industrial IoT, where queries must combine ontological constraints with multimodal similarity search over heterogeneous, temporally-evolving scene data. We propose a framework that extends SWoT platforms with a multimodal embedding layer: ontology-typed entities comprising 3D point clouds, temporal attributes, and semantic labels are encoded into latent vector representations stored alongside the knowledge graph, enabling hybrid ontology-vector queries that combine graph-based filtering with similarity search. Implemented on Orange Research's Thing'in platform with the Clock-G temporal graph database, a feasibility evaluation on S3DIS demonstrates that graph filtering effectively restricts the search pool under temporal and relational constraints, and that general-purpose pretrained encoders produce representations sufficient for similarity retrieval and as a preliminary encoding step for downstream predictive tasks.
• Abstract（参考訳）: Semantic Web of Things (SWoT)プラットフォームは、ドメインオントロジーに型付けされた知識グラフとして、物理的なインフラストラクチャをモデル化する。 しかし、それらは厳密なオンロジ的等価性を超えて類似性を表現するためのネイティブなメカニズムを欠いている。これは、テレコムインフラストラクチャや産業用IoTのようなドメインにおける3Dデジタルツインにとって重要なギャップであり、クエリはオンロジ的制約と、異種で時間的に進化するシーンデータに対するマルチモーダルな類似性探索を組み合わせなければならない。 本稿では,SWoTプラットフォームをマルチモーダル埋め込み層で拡張するフレームワークを提案する。3次元点雲,時間属性,意味ラベルからなるオントロジー型エンティティを,知識グラフに付随する潜在ベクトル表現に符号化し,グラフベースのフィルタリングと類似性検索を組み合わせたハイブリッドオントロジーベクトルクエリを実現する。 Clock-Gの時間グラフデータベースを用いたOrange ResearchのThing'inプラットフォーム上に実装され、S3DISにおける実現可能性評価により、グラフフィルタリングは時間的および関係的な制約下での探索プールを効果的に制限し、汎用的な事前学習エンコーダが類似性検索に十分な表現を生成し、下流予測タスクの事前符号化ステップであることを示す。

関連論文リスト

• Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces [116.57196064763924]
  我々は、高密度テーブルトップオブジェクトと明示的なマルチレベル機能関係を導入することで、ベンチマークカバレッジを拡大する。 この研究は、小規模、高密度、および類似のインスタンスにかかわる重要な課題を提起する。 2次元視覚的グラウンドリングと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-05-15T09:14:50Z)
• A Persistent Homology Design Space for 3D Point Cloud Deep Learning [5.810033007426438]
  Persistent Homology (PH)は、本質的な形状の安定なマルチスケール記述子を提供する。 強力な理論的保証と経験的採用の増大にもかかわらず、ポイントクラウドのためのディープラーニングへの統合は、概してアドホックであり、アーキテクチャ的にも周辺的である。 本研究では,3次元点群における永続-ホモロジー駆動学習のための統一設計空間を提案する。
  論文  参考訳（メタデータ） (2026-04-05T22:38:37Z)
• SGR3 Model: Scene Graph Retrieval-Reasoning Model in 3D [51.32219731589742]
  3Dシーングラフは、オブジェクトエンティティとその関連性の構造化された表現を提供する。 3次元シーングラフ生成のための既存のアプローチは、通常、シーン再構成とグラフニューラルネットワーク(GNN)を組み合わせる。 本研究では,3次元のSGR3モデルを用いたScene Graph Retrieval-Reasoning Modelを提案する。
  論文  参考訳（メタデータ） (2026-03-04T21:19:54Z)
• OWLEYE: Zero-Shot Learner for Cross-Domain Graph Data Anomaly Detection [48.77471686671269]
  OWLEYEは、複数のグラフから正常な振る舞いの伝達可能なパターンを学習する新しいフレームワークである。 OWLEYEは最先端のベースラインに比べて性能と一般化性が優れていることを示す。
  論文  参考訳（メタデータ） (2026-01-27T02:08:18Z)
• Latent Structural Similarity Networks for Unsupervised Discovery in Multivariate Time Series [0.0]
  教師なしシーケンス・ツー・シーケンス・オートエンコーダを用いてウィンドウレベルのシーケンス表現を学習する。 遅延空間類似度尺度をしきい値にすることで、スパース類似性ネットワークを誘導する。 このネットワークは、ペアの検索空間を圧縮する分析可能な抽象化として意図されている。
  論文  参考訳（メタデータ） (2026-01-15T03:05:17Z)
• Bridging Temporal and Textual Modalities: A Multimodal Framework for Automated Cloud Failure Root Cause Analysis [0.0]
  本稿では,事前学習した言語モデル埋め込み空間と時系列表現を調和させる診断フレームワークを提案する。 本フレームワークは,複合障害モードを含むシナリオにおいて,48.75%の精度で診断精度を向上する。
  論文  参考訳（メタデータ） (2026-01-08T08:20:44Z)
• Online Segment Any 3D Thing as Instance Tracking [60.20416622842975]
  オンライン3Dセグメンテーションをインスタンス追跡問題として再認識する(AutoSeg3D)。 視覚基礎モデルに固有の断片化問題を緩和するために,空間整合性学習を導入する。 ScanNet200上でESAMを2.8 AP上回る新しい最先端技術を確立する。
  論文  参考訳（メタデータ） (2025-12-08T14:48:51Z)
• T3former: Temporal Graph Classification with Topological Machine Learning [4.4924444466378555]
  時間グラフ分類は、サイバーセキュリティ、脳接続分析、トラフィック監視などのアプリケーションにおいて重要な役割を果たす。 我々は、スライドウィンドウトポロジカルおよびスペクトルディスクリプタを1級トークンとして活用し、特殊なディスクリプタ・アテンション機構によって統合された新しいトポロジカル・テンポロジカル・トランスフォーマーT3formerを紹介する。 T3formerは、動的ソーシャルネットワーク、脳機能接続データセット、トラフィックネットワークなど、複数のベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-15T17:46:32Z)
• Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
  STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。 まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。 最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
  論文  参考訳（メタデータ） (2023-07-01T13:53:14Z)
• Spatio-Temporal Representation Factorization for Video-based Person Re-Identification [55.01276167336187]
  本稿では、re-IDのための時空間表現分解モジュール(STRF)を提案する。 STRFはフレキシブルな新しい計算ユニットであり、re-IDのための既存のほとんどの3D畳み込みニューラルネットワークアーキテクチャと併用することができる。 実験により、STRFは様々なベースラインアーキテクチャの性能を向上し、新しい最先端の成果を示す。
  論文  参考訳（メタデータ） (2021-07-25T19:29:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。